meineki.news Logo
meineki.news
KI News: Kurz und klar.
Anmelden

Neues KI-Modell vorhersagt Arzneimittelwechselwirkungen präziser

arXiv – cs.LG • • Original • ≈1 Min. Lesezeit
#HGNN-DDI #Graph-Neuronale Netzwerke #Repräsentationslernen #Biomedizinische Netzwerke #DDI #Präzisionsmedizin #Medikamentensicherheit
Anzeige

Ein neues KI-Modell namens HGNN-DDI nutzt heterogene Graph-Neuronale Netzwerke, um Wechselwirkungen zwischen Arzneimitteln genauer vorherzusagen. Durch die Integration verschiedener Datenquellen zu Medikamenten, Zielstrukturen und biologischen Entitäten kann das Modell komplexe Beziehungen erfassen, die herkömmliche Ansätze oft vernachlässigen.

HGNN-DDI verwendet graphenbasierte Repräsentationslernen, um heterogene biomedizinische Netzwerke abzubilden. Dadurch fließt Information effektiv zwischen unterschiedlichen Knotentypen und Kantenarten, was die Vorhersagekraft des Modells stärkt.

In Tests auf etablierten DDI-Datensätzen übertrifft HGNN-DDI die führenden Vergleichsmodelle sowohl in der Genauigkeit als auch in der Robustheit. Diese Fortschritte könnten die Entwicklung sichererer Medikamente unterstützen und die Präzisionsmedizin voranbringen.

Ähnliche Artikel

arXiv – cs.AI •
RxSafeBench: LLMs auf Herz und Nieren prüfen – Medikamentensicherheit im Fokus
arXiv – cs.LG •
TEMPEST: Transformer lernen direkt aus komprimierten Dateiformaten
arXiv – cs.LG •
NeuCo-Bench: A Novel Benchmark Framework for Neural Embeddings in Earth Observation
arXiv – cs.LG •
Towards Robust Zero-Shot Reinforcement Learning
arXiv – cs.LG •
Backdoor or Manipulation? Graph Mixture of Experts Can Defend Against Various Graph Adversarial Attacks
arXiv – cs.LG •
MINERVA: Mutual Information Neural Estimation for Supervised Feature Selection